是一个实时交互流式数字人项目，支持多种数字人模型、声音克隆、数字人说话被打断、全身视频拼接、rtmp和webrtc推流以及视频编排。

一个基于Llama 3.1的开源教育项目，提供个性化的AI导师服务，覆盖从小学到研究生的各个阶段和多个主题。使用Llama 3.1 70B语言模型和Together AI进行推理。

一个AI驱动的软件开发系统项目，可以自动完成整个软件开发流程，提供Web UI和与AI工具集成的功能。目前支持Python和JavaScript框架，未来会扩展其他框架。

一个可以一站式构建各类AI agent的工具，集成了100多种工具，支持多类框架，提供丰富的工具库和开发环境，简化开发流程，提高准确性，支持嵌入和扩展。

一款低代码聊天机器人构建工具，提供可视化的拖拽界面，支持文本、图片、视频、音频等多种交互方式。具有34+种功能构建模块，支持自定义外观与品牌匹配，可以共享并嵌入到网页中。还支持结果收集和洞察分析，可以导出结果为CSV文件。

一款支持拖拽构建多智能体应用的低代码开发工具。容易上手，提供丰富的组件和指南，支持在线拖拉拽编程和在线小助手功能。

一个基于Javascript的开源图表绘制工具，通过解析类似Markdown的文本语法来创建和修改图表。它提供了实时编辑器和GitHub页面，非程序员也可以使用它来创建复杂的图表。

一个低代码平台，用于构建和管理多个agent助手。适用于工作流程自动化需求的场景，非专业开发人员也可以使用。它集成了不同框架，提供了简单易用的用户界面，支持自定义agent的角色、任务和交互，以及开发和集成自定义工具。还支持多种模型和系统全自动化模式。

一个集成了Claude 3.5 Sonnet的VSCode插件，提供了强大的编程/开发体验。它可以处理复杂任务，包括读写文件、创建项目、执行终端命令等。还能执行代码生成、项目管理、自动化脚本执行、文件操作、交互式开发辅助、API使用情况跟踪、代码差异显示和命令执行输出等功能。

一个开源的音频处理工具，可以从歌曲中分离出人声、贝斯、鼓声等，并进行创意音频编辑和混音制作。支持音频切片、裁剪和按需编辑音频片段。

一个高质量的PDF内容提取工具，通过多个模型实现了对各种文档类型的提取，包括布局检测、公式检测和识别、光学字符识别等。该工具适用于扫描模糊或有水印的情况下，具有高鲁棒性。

一款基于PaddleOCR重构的轻量级OCR工具，支持80多种语言推理。使用ONNX模型后，推理速度比使用PaddlePaddle框架快5倍。

斯坦福开源的一个基于LLM的知识管理系统。

一款开源的框架，支持创建、部署和管理定制AI助手，包括AI聊天机器人、AI代理和AI文本区域。它具有应用感知、第三方服务集成和生成式UI的能力。

一个用于 Python 的网页抓取和浏览器自动化库，用于构建可靠的爬虫。提取 AI、LLM、RAG 或 GPT 的数据。从网站下载 HTML、PDF、JPG、PNG 和其他文件。适用于 BeautifulSoup、Playwright 和原始 HTTP。有头模式和无头模式。具有代理旋转功能。

一个日常生活AI助手，就像个人的私人助理，可以帮你记住重要事件、跟踪习惯、做事件回忆以及任务管理等。

一款面向中文网络搜索的AI agent框架，它能更好的理解及回答复杂的中文搜索问题。

一款提示词优化器，助力于编写高质量的提示词。

一款专为科学查询和文献综述设计的 RAG 系统，通过从多篇文档中检索证据并合成组织良好的报告，帮助研究人员快速获取科学问题的有依据答案，支持多个主流 LLM，提供完整的 Python 包与 Docker 容器部署方案，方便使用。

一个开源的低代码 RAG 框架，基于 LangChain/LlamaIndex 构建，简单易用，提供数据上传、模型管理、联网和提示词模板等功能。同时无需编写代码，即可轻松构建、调试和发布 RAG 应用。可 Docker 快速部署，支持主流模型或通过 Ollama 使用本地模型。

Mastra 是一个自定的 Typescript 框架，可帮助您快速构建 AI 应用程序和功能。它为您提供了所需的一组原语：工作流、代理、RAG、集成和评估。您可以在本地机器上运行 Mastra，也可以部署到无服务器云。

一个简单易用的一站式 AI 数字人系统，支持视频合成、声音合成、声音克隆，简化本地模型管理、一键导入和使用 AI 模型。

一款开源免费、可离线运行的高级 RAG 对话工具，集成了 DeepSeek、GraphRAG 等技术，能够从 PDF、DOCX 和 TXT 文件中快速准确地检索信息。

易上手的多平台 LLM 聊天机器人及开发框架✨。支持 QQ、QQ频道、Telegram、微信个人号(Gewechat)、企业微信、飞书、内置 Web Chat，OpenAI GPT、DeepSeek、Ollama、Llama、GLM、Gemini、硅基流动、月之暗面、OneAPI、LLMTuner，支持 LLM Agent 插件开发，可视化面板。一键部署。支持 Dify 工作流、代码执行器、Whisper 语音转文字。

高效的PDF文本提取与视觉语言模型这正好在做RAG前置的知识库文件解析库对比，olmOCR看官方数学超过Marker、MinerU等。

一个开源的 TypeScript 库，使用 LLMs 从任何网页中提取结构化数据，支持 Ollama、OpenAI 等 LLM 提供商，允许输入 html、markdown、text、image 等多种格式化模式提取数据。

Anthropic 开源了一款在终端中运行的 AI 编程助手，支持理解和操作本地代码库，能够执行基本编码任务、解释复杂的代码逻辑、处理 Git 工作流程等。

一个基于 AI 的趋势发现和内容发布系统，支持多源数据采集、智能总结和自动发布到微信公众号

由B站推出语音模型 IndexTTS，超越了当前流行的 TTS 系统，包括 XTTS、CosyVoice2、Fish-Speech 和 F5-TTS 等。系统的多个模块经过增强，特别是在扬声器条件特征表示和音频质量优化方面进行了深度改进。通过引入混合建模的方式，IndexTTS 能够快速纠正误读的汉字，提升了用户的使用体验。

一个简洁的仿真的DeepSeek第三方开源客户端：DeepChat。支持DeepSeek、硅基流动、Ollama等多个模型云服务商，支持多路聊天并发，可自由切换到新的会话使用。

一键同步发布到多个社交平台上，如微博、知乎、小红书等十多个主流平台，支持发布文字、图片、视频等多种内容形式，支持自动抓取网页内容、定时发布、结合 AI 生成内容等功能。

deep-research的可视化版本，所有配置和 API 请求均在浏览器端完成，流式传输 AI 响应并在界面实时展示，树状结构可视化研究过程 支持英文搜索，支持导出Markdown和PDF格式报告。

一款支持15+种格式文档的RAG系统：wdoc，包括PDF、网页、YouTube、音频等，可以对大量文档进行总结、搜索及查询

微软开源的一个用于专业领域问题的RAG系统，它解决了传统RAG处理专业领域知识时的局限性，比较适合处理深度领域知识和多步逻辑推理的场景。

一个基于AI可从任意文本中提取知识图谱的工具，支持处理长、短文本，也可以处理对话格式的消息，可以用于构建知识库、做数据分析等

首个集语音理解与生成控制一体化的产品级开源实时语音对话系统 - 支持多语言对话（中文，英文，日语） - 语音情感（开心，悲伤） - 方言（粤语，四川话） - 可控制语速及韵律风格 - 支持RAP和哼唱等 - 语音克隆

是一款极简的 AI 搜索引擎，可帮助您在互联网上查找信息。由 Vercel AI SDK 提供支持！使用 Grok 2.0 等模型进行搜索。

可以将任何文档、资源（如网址链接、音频、视频）等内容转换为上下文，以便任何大语言模型（LLM）在聊天期间作为参考使用。

一款结合了知识图谱和关键词检索的RAG框架：KET-RAG ，可以更高效的提取信息、降低索引成本，适合大规模RAG应用场景。

一个基于 AI 的 Hacker News 中文播客项目，每天自动抓取 Hacker News 热门文章，通过 AI 生成中文总结并转换为播客内容。

一个用来训练和微调的小工具Augmentoolkit 。这个工具可以将任何原始文本（比如小说，或者传感器数据，或者社交媒体数据）转换为高质量的自定义数据集。

一款专注于记录和写作的跨端 AI 笔记，能快速捕捉和整理碎片化知识，将记录内容整理成一篇笔记

一款工作中的智能搜索问答工具，它整合了工作中的各种数据，可以高效查找各种文件、邮件、聊天记录、应用工具等数据并回复问答。

一个企业级的AI代理框架，它把LLM、工具调用和任务管理三者结合在一起完成自动化任务，可以让它搜索信息、写邮件、处理表格等等，智能自动化办公。

腾讯开源的最新3D生成模型：生成的几何结构更细致，纹理颜色更丰富，性能超过了现有开源和商业模型

一个基于多智能体协作的虚拟电影自动化制作系统，，它相当于一个AI电影制作团队，可以在虚拟环境中自动制作短片，可以执行从剧本创作到实际拍摄的整个工作流程。

一款基于浏览器的AI视频制作工具，可以直接在浏览器里处理视频，比如自动生成视频、视频编辑。

一个可以本地运行的 AI 健康助手，自动解析健康数据，支持 血液检测、体检数据、症状分析。

面向设计师的开源 Cursor。直接在实时 React 应用中进行设计，并将更改发布到代码中。

Siri Ultra 是一个能在iPhone 上使用的AI 聊天快捷指令，无需下载任何App，最新版支持了 DeepSeek R1+联网。

一个能让你用自然语言和数据对话的Python库，将该库依赖到自己项目中，只需几行代码，轻松实现数据读取，并能通过对话方式向数据进行提问。

阿里开源的统一的音乐生成框架，可以生成音乐、歌曲及音频，支持生成长音频/完整音乐作品，音质很不错。

一个可以帮医生分析X光片的AI助手，它可以进行推理思考，回答复杂的医学问题，辅助医生思考和做决策，支持视觉问答、图像分割、病灶定位、报告生成、疾病分类等任务，可以分析胸片细节及病变并标注位置，能识别18种病理类型，生成诊断报告，可以根据任务自动选择合适的工具和分析方法，进行多步医学推理，支持交互对话，理解复杂的医疗查询

一个用于构建支持RAG的AI聊天助手React组件：rag-chat-component，可以在Next.js应用中快速添加智能聊天助手

一个增强Cursor能力的工具，集成了Perplexity、Gemini 2.0、Stagehand，增加了其搜索能力、理解能力以及自动操作网页的能力。

完美支持中英日语言的开源TTS模型，语音处理接近人类水平，模型使用约十五万小时三语数据训练，对中文支持非常的完美。

一个开源的文本转语音，支持超过7000种语言的语音合成，具备多说话人语音合成功能，能够模拟多种说话人的节奏、重音和语调。

一款强大的对话式文本转语音模型，它有中英混读和多说话人的能力，可以配置为中文，英文，日文等六种语言。

一个开源的TTS模型，允许对说话速度、音高变化、音频质量以及快乐、恐惧、悲伤和愤怒等情绪进行精细控制。

一个音频驱动的肖像动画工具，适合长视频生成，它在口型同步、表情和头部运动方面效果很好。

一款功能强大的编码助手应用程序，集成了 DeepSeek API，可处理用户对话并生成结构化的 JSON 响应。通过直观的命令行界面，它可以实时读取本地文件内容、创建新文件以及对现有文件应用差异编辑。

一个功能强大、可扩展的通信机器人平台，提供了丰富生态、支持扩展、多模态的能力，支持接入 QQ、微信、飞书等平台。

通过 PDF 聊天，您可以向 PDF 文档提问。使用 NuxtHub 构建和部署，并由 Cloudflare Workers AI 和 Vectorize 提供支持。

一个基于 RAG (Retrieval-Augmented Generation) 技术的智能对话系统，它能够帮助构建基于自有知识库的智能问答系统。通过结合文档检索和大语言模型，实现了准确、可靠的知识问答服务。

由AI驱动的富文本编辑器

一款人工智能自动化工具，旨在与 Instagram、Twitter 和 GitHub 等各种社交媒体平台进行交互。它利用先进的人工智能模型来生成引人入胜的内容、实现交互自动化并高效管理社交媒体帐户。

英伟达开源的一款智能文档信息提取及结构化工具

用 AI 打造视频内容分析利器

使用视觉模型将 PDF 转换为 Markdown

只需一张图片即可实现实时换脸和一键视频深度伪造

一个基于 Ollama 视觉模型的图片文字识别工具，能帮你从图片中提取文字。

一个互动式虚拟偶像的构建项目

智能视频多语言AI配音和翻译工具

5秒内克隆您的声音并生成任意语音内容

Perplexica 是一款人工智能搜索引擎。它是 Perplexity AI 的开源替代品

LocalAI是免费的开源OpenAI替代品。LocalAI充当与OpenAI API规范的本地推理兼容的直接替换REST API。它允许您使用消费级硬件在本地或本地运行LLM、生成图像、音频（不仅如此），支持多个模型家族和架构。不需要GPU。

适用于 Python 的轻量级人脸识别和面部属性分析（年龄、性别、情绪和种族）库

基于Browser Use的一款浏览器AI助手

一款由 TEN 提供支持的对​​话式 AI，集成了 Gemini 2.0 Live、OpenAI Realtime、RTC 等。它提供实时的视觉、听觉和语言功能，同时与 Dify 和 Coze 等热门工作流平台完全兼容

一个完全免费的集成 AI 的网页漫画创作编辑工具

基于 Gemini 2.0的英语口语练习助手 实时发音纠正和建议

是一款完全开源的编程工具，能够像人类一样编写代码、使用命令行、浏览网页等。被誉为超越 cursor 的编程方式。

一个开源的 AI 搜索，除了网站外还支持搜索推特和 Youtube 内容

一个数据抓取并能整理成适用于LLM格式的工具

由 LLM 提供支持的知识管理系统，可研究某个主题并生成带有引文的完整报告。

AI 驱动的 PDF 图书知识提取与总结工具

用于唇语同步的音频条件潜在扩散模型。

自动将视频转换成字幕并翻译成多种语言

有史以来第一个开源的交互式全多模态LLM，支持基于 Flask 和 WebSocket 的实时交互部署。

小智 AI 聊天机器人

开源、免费和AI驱动的新闻

基于 AI 完整保留排版的 PDF 文档全文双语翻译，支持 Google/DeepL/Ollama/OpenAI 等服务，提供 CLI/GUI/Docker

使用动态人工智能模型和语音克隆将电子书转换为带有章节和元数据的有声读物。支持1,107多种语言！

一个基于 RAG 的开源工具，用于与您的文档进行聊天。

一个开源 Python 库，旨在简化网络爬取并从网页中提取有用信息。

使用 Next.js 和 Vercel 的 AI SDK 构建的开源 AI 聊天机器人模板。

利用AI大模型，一键生成高清短视频